今天看到一個網站，提供的服務是替別人回復郵件。

服務售價還挺貴的，標準套餐需要每月兩千美金。這不得不讓我開始再次思考，能不能將 AI 的能力引入進來，來替代在郵件回復過程中的大量人力。

舉個很簡單的例子，我們做詢盤站點的小伙伴每天都能收到不少產品咨詢郵件（也即詢盤郵件）。其實這些郵件的內容大體相同，就是客戶就某款產品，提供相應的定制標準，然后詢問相應的價格。

說實話每天回復這些郵件需要花費業務人員不少時間，且有時候精心準備的一封郵件回復過去，客戶還不一定回復。且我們自己的站點，這種初次就不回復郵件的客戶比例還挺高的。

畢竟詢盤客戶的心態，可能就是看下價格，當不符合心理預期的時候，便自然略過不去處理了。

所以我前段時間一直在思考，能不能將我們「詢盤郵件的初次回復」這個過程給流程化、標準化。并將 AI 的能力引入進去，加快初次郵件回復的效率。

比如使用 AI 去閱讀客戶的詢盤郵件，當所有的報價要素都完善時，將其流轉到詢盤郵件的報價流程。而一旦郵件中有報價要素不完善，則生成一封郵件要求補充詢價信息并回復過去。

至于在報價流程的郵件，我們可以結合過往的業務數據整理一個報價表。當客戶需要 A 屬性時，這個產品報價是什么樣的，當客戶需要 B 屬性時，這個產品報價是什么樣的，等等。

等報價信息計算出來后，再將所有信息整合一下，輸出成一封回復郵件。我們自己人工審核一下沒什么問題后，再回復給客戶。

其實這樣的一個郵件回復過程，在技術處理上并不難。且我們可以多整理一些過往的郵件回復歷史，交給 AI 消化并將其訓練成專屬的產品報價回復助手。

這樣的一套操作流程，我之前是有在我們自己的站點上實驗過。但是效果不是特別好，只能做一些比較初級的優化。

后來也反思了一下原因，主要不足的點還是我們的報價要素有點多。

比如客戶主體的需求描述清楚了，但是有一些小細節沒交代清楚。那此時如果交由 AI 去處理，可能 AI 直接就打回去不報價了。

而這樣的報價需求，在業務人員看來沒什么太大的問題。至于那些沒交代清楚的小細節，業務人員則會采用一個默認的配置，給價格報出去了（并在郵件中做相應的說明）。

所以后續干脆停掉了這部分流程的優化，干脆只是讓 AI 進行「淺參與」。比如所有的信息都整理好了，讓 AI 來幫我優化下郵件內容，或者檢查下語法錯誤，亦或者幫我將郵件內容翻譯成某種小語種。

那還是回到開始的那個點，如果我們的業務邏輯足夠明了（數據清楚，業務邏輯不復雜），我覺得讓 AI 深度參與到我們的郵件信息回復，這件事做成的概率還是挺大的。